مقاله انتخاب ویژگیهای مناسب برای طبقهبندی کنندهی LS-SVMجهت بازشناسی ۵۲ وضعیت و حرکت پنجه در پروتز مایوالکتریک دست

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله انتخاب ویژگیهای مناسب برای طبقهبندی کنندهی LS-SVMجهت بازشناسی ۵۲ وضعیت و حرکت پنجه در پروتز مایوالکتریک دست دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله انتخاب ویژگیهای مناسب برای طبقهبندی کنندهی LS-SVMجهت بازشناسی ۵۲ وضعیت و حرکت پنجه در پروتز مایوالکتریک دست  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله انتخاب ویژگیهای مناسب برای طبقهبندی کنندهی LS-SVMجهت بازشناسی ۵۲ وضعیت و حرکت پنجه در پروتز مایوالکتریک دست،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله انتخاب ویژگیهای مناسب برای طبقهبندی کنندهی LS-SVMجهت بازشناسی ۵۲ وضعیت و حرکت پنجه در پروتز مایوالکتریک دست :

تعداد صفحات:۸
چکیده:
طبقهبندی حرکتهای اعضای دیستال با استفاده از سیگنالهای الکترومایوگرام سطحیsEMG قسمت پروکسیمال،بخش مهمی در کنترل پروتزهای مایوالکتریک است. در بیشتر مطالعات قبلی، طبقهبندی تعداد محدودی از حرکتهای دست موردبررسی قرار گرفته است. در این مقاله، از پایگاه دادهیNINAPROکه شامل دادههای کینماتیک وsEMGفرد سالم برای ۵۲ حرکت انگشت، پنجه و مچ دست است استفاده کردهایم. در این مطالعه، انتخاب ویژگیهای مناسب برای طبقهبندیکنندهیLS-SVMبا کرنلRBFمورد توجه قرار گرفته است. با توجه به ویژگیهای این طبقهبندی کننده، تلاش شده است ویژگیها دارای حجم محاسباتی نسبتا کم باشند و تعداد ویژگیها نیز اندک باشد. بدینمنظور، ابتدا با پنجرهگذاری به دو شیوهی مختلف، بخش اصلی الکترومایوگرام جدا شد و ۸ ویژگی زمانی مختلف از آن استخراج گردید. سپس عملکرد طبقهبندی کنندهیLS-SVMبا هر کدام از این ویژگیها وترکیبات چندتایی آنها مورد بررسی قرار گرفت. بهترین طبقهبندی برای حالت تک ویژگی و ترکیب چندتایی ویژگیها مربوط به IAVبا پنجرهگذاری به روش اول وMAV+IAV+RMS+WLبا پنجرهگذاری به روش دوم بود که به ترتیب دارای دقت طبقهبندی ۸۳/۵۷و۸۵/۱۹درصد میباشند.